《复杂环境运动目标检测技术及应用》简要介绍了当前典型的运动目标检测技术，并根据其实现原理分析了各种方法的适用范围和场合；围绕监控设备实际拍摄的图像序列所存在的光学畸变、环境光照变化、阴影及摄像头的运动等复杂条件，对运动目标检测的若干关键技术进行了研究和探讨，包括广角摄像机的成像原理、标定模型和畸变校正方法，静态场景中分类特征的优选、相似性度量和特征融合方法，动态场景中图像的配准技术等；此外，考虑到空间侦察、夜视导航等军事领域，对运动目标检测技术的特殊需求，介绍了红外图像和双目视觉图像中的运动目标检测技术；最后，以智能监控系统为例，介绍了运动目标检测技术的具体应用情况。
由丁莹、杨华民、范静涛、蒋振刚、李岩芳编著的《复杂环境运动目标检测技术及应用》既有理论基础，又有实践经验。第一章对运动目标检测技术进行概述，第二章分析比较了几种典型的运动目标检测方法的适用性，第三章介绍了基于GPU的视频图像预处理技术，第四章介绍了静态场景运动目标检测技术，第五章介绍了动态场景运动目标检测技术，第六章介绍了红外图像运动目标检测技术，第七章介绍了基于双目视觉的运动目标检测技术，第八章介绍了运动目标检测技术在智能监控系统中的应用，第九章分析了未来发展趋势。
第1章 概述
1.1 基本概念
1.2 研究进展
1.3 技术难点分析
1.4 主要应用领域
第2章 典型的运动目标检测技术及适用性分析
2.1 基于光流法的运动目标检测技术
2.1.1 基本概念
2.1.2 算法原理
2.1.3 常见的光流法
2.2 基于帧差法的运动目标检测技术
2.2.1 基本思想
2.2.2 算法流程
2.3 基于背景差法的运动目标检测
2.3.1 基本思想 第1章 概述
1.1 基本概念
1.2 研究进展
1.3 技术难点分析
1.4 主要应用领域
第2章 典型的运动目标检测技术及适用性分析
2.1 基于光流法的运动目标检测技术
2.1.1 基本概念
2.1.2 算法原理
2.1.3 常见的光流法
2.2 基于帧差法的运动目标检测技术
2.2.1 基本思想
2.2.2 算法流程
2.3 基于背景差法的运动目标检测
2.3.1 基本思想
2.3.2 算法流程
2.4 混合高斯背景建模
2.4.1 混合高斯背景模型的建立
2.4.2 混合高斯背景模型的更新
2.5 不同运动目标检测技术的适用性分析
第3章 摄像机畸变校正技术
3.1 数理模型
3.1.1 坐标系
3.1.2 摄像机标定模型
3.1.3 非线性畸变模型
3.2 摄像机标定方法的分类
3.2.1 基于标定物的标定法
3.2.2 摄像机自标定方法
3.2.3 基于主动视觉的标定方法
3.2.4 不同摄像机标定方法的适用性分析
3.3 基于GPU的畸变校正加速算法
3.3.1 采用CUDA技术的GPU
3.3.2 基于网格标定的校正技术原理
3.3.3 GBGC算法概述
3.3.4 GBGC算法关键步骤
3.4 实验结果分析
第4章 静态场景运动目标检测技术
4.1 基本原理
4.2 分类特征的选择
4.2.1 颜色特征
4.2.2 纹理特征
4.3 相似性度量的定义
4.4 基于Choquet积分的特征融合
4.5 基于自适应阈值的图像分割算法
4.5.1 定义
4.5.2 基本步骤
4.5.3 阈值更新策略
4.6 实验结果分析
4.6.1 颜色特征选择实验
4.6.2 ULBP纹理特征选择实验
4.6.3 自适应分类阈值确定实验
4.6.4 复杂背景条件下运动目标检测实验
4.6.5 运动目标检测效果的定量分析
第5章 动态场景运动目标检测技术
5.1 基本原理
5.2 基于多尺度Harris角点SAM的图像配准算法
5.2.1 算法基础
5.2.2 算法描述
5.2.3 多尺度边缘检测算法
5.2.4 多尺度Hartis角点检测算法
5.2.5 相似性测度的定义及误匹配点对的删除
5.2.6 图像配准实验
5.3 基于帧差法的运动目标检测算法
5.3.1 算法描述
5.3.2 具体实现
5.3.3 帧差法实验
5.4 实验结果分析
第6章 红外图像运动目标检测技术
6.1 基本原理
6.2 基于小波系数相关度的图像去噪增强算法
6.2.1 问题描述
6.2.2 算法描述
6.2.3 具体实现
6.2.4 图像去噪增强实验
6.3 特征的相似性度量
6.4 基于Sugeno模糊积分的分类特征融合
6.5 实验结果分析
第7章 基于双目视觉的运动目标检测技术
7.1 双目视觉基本原理
7.2 实现步骤
7.3 双目摄像机标定
7.4 双目立体匹配
7.4.1 特殊性及难点
7.4.2 具体实现
第8章 运动目标检测技术在智能监控系统中的应用
8.1 智能监控系统的发展历程
8.2 运动目标检测技术应用情况
参考文献
书单推荐
